• 课程编码：2140116120
• 课程性质：专业选修课
• 学分：2
• 学时：32

• 课代表：
• 上课时间：周四下午（5~8节）
• 上课地点：三教424

《统计机器学习》课程包括管理领域常用到的机器学习模型和方法，为学生解决管理中的实际问题提供方法支撑。主要内容包括：监督学习方法、序列标注方法、无监督学习法、概率主题模型等。课程由浅入深，阐明思路，给出必要的数学推导辅助理解，以及相应的开源工具包，便于学生掌握统计机器学习方法的实质，学会在实际研究工作中灵活运用。

• 赵卫东，董亮，2018. 机器学习. 人民邮电出版社.
• Christopher M. Bishop, 2006. Pattern Recognition and Machine Learning. Springer.
• C. A. Rosen & C. W. Stork, 2000. Pattern Classification. John Wiley & Sons.
• Anand Rajaraman and Jeffrey David Ullman, 2012. Mining of Massive Datasets. Cambridge.
• Sean Owen, Robin Anil, Ted Dunning, and Ellen Friedman, 2012. Mahout in Action. Manning.
• Jiawei Han and Micheline Kamber, 2006. Data Mining: Concepts and Techniques, 2nd Edition. Morgan Kaufmann Publishers.
• 相关参考文献

成绩由平时成绩和课程论文报告成绩两部分构成：

• 平时成绩占20%
• 课程论文报告成绩占80%（老师打分：40%；自己打分：15%；其他同学打分：25%）